面向身份解耦开放集隐私保留视频面部表情识别的知识先验

面部表情识别依赖于暴露身份的面部数据，因而引发重大隐私问题。当前隐私保留方法在现实开放集视频环境中常常失败，其中身份未知且缺乏身份标签。我们提出一个两阶段框架，用于挑战性开放集视频下的隐私保留面部表情识别，该框架在任何阶段都不需要身份标签。为解耦隐私与实用性，我们首先使用从真实视频中无身份标签派生的 intra- 和 inter-video 知识先验训练身份抑制网络，该网络对身份进行匿名化处理，同时保留表情线索。随后，去噪模块恢复表情相关信息，有助于恢复面部表情识别性能。此外，我们引入一种基于虚假化的验证方法，使用识别先验严格评估隐私鲁棒性，而无需标记身份标签。在三个视频数据集上进行实验表明，我们的方法有效保护隐私，同时保持面部表情识别准确率与身份监督基线相当。